科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对风电机组存在的典型故障进行了归纳，选取某风场风电机组故障频次较高的变流系统、发电机系统、变桨系统、辅助电源系统故障数据和非故障数据进行故障诊断研究，分别采用极限学习机（ELM）、最小二乘支持向量机（SVM）、核极限学习机（KELM）和鲸鱼群优化算法（WOA）的WOA-KELM算法建立了故障诊断模型，同时采用拉普拉斯分数对模型特征变量重要程度进行排序和选取，WOA-KELM算法通过优化KELM算法的正则化参数C与核参数γ取得了更好的诊断效果。研究表明：不同样本数量下4种算法4对非故障类型的诊断准确率均为100%；采用拉普拉斯分数对WOA-KELM算法进行特征筛选后测试样本的平均诊断准确率从88.0%提高到93.2%;WOA-KELM算法在样本数量为250～500内进行特征筛选后的诊断准确率达到最大值96.0%。这证明该模型可以有效实现风电机组的故障诊断，为现场运维人员提供指导与参考。
